[发明专利]一种加速人脸特征相似度分析的装置及方法有效
申请号: | 202010435467.4 | 申请日: | 2020-05-21 |
公开(公告)号: | CN111626172B | 公开(公告)日: | 2023-09-08 |
发明(设计)人: | 余学儒;李琛;王鹏飞;段杰斌;王修翠;傅豪;周涛;燕燕;许博闻;郭令仪;李立人;孙红霞 | 申请(专利权)人: | 上海集成电路研发中心有限公司;上海集成电路装备材料产业创新中心有限公司 |
主分类号: | G06V40/16 | 分类号: | G06V40/16;G06V10/82;G06N3/0464;G06N3/08 |
代理公司: | 上海天辰知识产权代理事务所(特殊普通合伙) 31275 | 代理人: | 吴世华;马盼 |
地址: | 201210 上*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 加速 特征 相似 分析 装置 方法 | ||
1.一种加速人脸特征相似度分析的方法,其特征在于,包括如下步骤:
S01:采用训练集训练神经网络模型,得出训练之后的神经网络模型;所述训练集包括M个训练对,所述训练对包括两张人脸图片以及是否为同一人的标签;M为大于0的整数;
S02:对测试集进行神经网络模型运算,获取w层中间节点特征;并确定每层中间节点特征对应的中间阈值;所述中间阈值和末端阈值为欧氏距离阈值或马氏距离阈值;所述测试集包括N个测试对,所述测试对包括两张人脸图片以及是否为同一人的标签;N和w均为大于0的整数,w小于所述神经网络模型的输出总层数;其中,确定第i层中间阈值的具体方法为:
S021:分别获取每个测试对中两张图片的第i层中间节点特征;i小于所述神经网络模型的输出总层数;
S022:分别计算每个测试对中两张图片第i层中间节点特征的马氏距离或欧氏;
S023:根据每个测试对的马氏距离以及该测试对是否为同一人的标签,确定马氏距离阈值或欧氏距离阈值;
S03:针对分析对进行神经网络模型运算,获取w层中间节点特征和末端节点特征;所述分析对包括两张人脸图片;针对每次获取的中间节点特征,判断该层中间节点特征的特征相似度是否大于对应的中间阈值,若大于等于对应的中间阈值,则输出所述分析对中两张人脸图片为同一人的结论,同时停止对分析对的神经网络模型运算;若w层中间节点特征的特征相似度均小于对应的中间阈值,进入步骤S04;
S04:判断末端节点特征的特征相似度是否大于末端阈值,若大于等于末端阈值,则输出所述分析对中两张人脸图片为同一人的结论,若小于末端阈值,则输出所述分析对中两张人脸图片不为同一人的结论。
2.根据权利要求1所述的一种加速人脸特征相似度分析的方法,其特征在于,所述步骤S022中计算马氏距离方法为:
对测试集内第k个测试对进行神经网络模型运算,获取两张图片的第i层中间节点特征的Ni个特征分别为Ai,k=[ai,1,k,ai,2,k,…,ai,Ni,k]、Bi,k=[bi,1,k,bi,2,k,…,bi,Ni,k];
计算第i层中间节点特征的协方差系数阵列Ci,其中,所述协方差系数阵列Ci中第m行第n列系数为测试对中第一张图片的第m个特征与第二张图片的第n个特征的方差;
利用协方差系数阵列Ci的逆矩阵计算该测试对第i层中间节点特征的马氏距离。
3.根据权利要求1所述的一种加速人脸特征相似度分析的方法,其特征在于,所述步骤S03分析对的其中一张图片通过感知器获得;另外一张图片从数据库中获得;所述数据库中包括X个人脸样品;X为大于0的整数。
4.根据权利要求3所述的一种加速人脸特征相似度分析的方法,其特征在于,感知器获得的图片与X个人脸样品组成X个分析对,重复步骤S03-S04(X-1)次,对所述感知器获得图片进行确认。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海集成电路研发中心有限公司;上海集成电路装备材料产业创新中心有限公司,未经上海集成电路研发中心有限公司;上海集成电路装备材料产业创新中心有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010435467.4/1.html,转载请声明来源钻瓜专利网。